Автор оригинала: Pankaj Kumar.
Здравствуйте, читатели! В этой статье мы подробно остановимся на 7 функциях IMP модуля статистики Python .
Итак, давайте начнем!
Модуль статистики Python
Python предоставляет нам множество модулей для работы с данными и работы с ними.
Когда дело доходит до математического моделирования и анализа статистических данных, Python предоставляет нам модуль статистики для тесной работы с числовыми значениями данных. С помощью этого модуля мы можем легко работать с числовыми данными и сразу же делать статистические прогнозы по значениям данных!
Мы сосредоточимся на некоторых наиболее важных функциях, предлагаемых модулем статистики в Python:
- функция mean()
- функция медианы()
- функция median_high()
- функция median_low()
- функция stdev()
- функция _sum()
- функция _counts()
Давайте теперь посмотрим на них по очереди!
1. Функция mean()
Среднее значение является одним из наиболее часто используемых статистических показателей для понимания данных с первого взгляда. Среднее значение представляет собой общую оценку всех данных сразу.
Функция statistics.mean()
позволяет нам получить значение среднего значения из набора числовых значений данных.
Синтаксис:
statistics.mean(data
2. Функция медианы()
Помимо среднего значения, мы часто сталкиваемся с ситуациями, когда нам нужно значение, представляющее среднюю часть всех данных. С помощью функции statistics.median()
мы можем вычислить среднее значение для значений данных.
Синтаксис:
statistics.median(data)
3. Функция median_high()
Функция median_high()
модуля статистики позволяет нам получить более высокое медианное значение из значений данных, переданных ему в качестве аргументов. Высокая медиана особенно полезна, когда значения данных дискретны по своей природе.
Синтаксис:
statistics.median_high(data)
4. Функция statistics.median_low()
Функция median_low()
может использоваться для извлечения наименьшего из медианных значений из набора значений данных. Это полезно, когда данные дискретны по своей природе и когда нам нужна точная точка данных, а не точки интерполяции.
Синтаксис:
statistics.median_low(data)
5. Функция statistics.median_grouped()
Функция median_grouped()
возвращает медиану значений сгруппированных данных, но с оговоренным условием. То есть он вычисляет медианные значения 50-го процентиля с помощью интерполяции.
6. Функция статистики _sum()
Когда дело доходит до накопления точек данных, передаваемых в качестве аргументов, на сцену выходит функция _sum (). С помощью функции _sum()
мы можем получить суммирование всех значений данных вместе с количеством всех точек данных, переданных ей.
Синтаксис:
_sum(data)
7. Функция _counts()
С помощью функции _counts()
мы можем получить частоту каждой точки данных из набора значений. То есть он подсчитывает частоту появления каждой отдельной точки данных и возвращает количество каждого значения данных по сравнению со значениями данных.
Внедрение модуля статистики
Давайте поработаем над реализацией функций модуля статистики в Python
import statistics data = [10,203,20,30,40,50,60,70,80,100] res = statistics.mean(data) print("Mean: ",res) res = statistics.median(data) print("Median: ", res) res = statistics.median_grouped(data) print("50% value: ",res) res = statistics.median_high(data) print("Median High value: ",res) res = statistics.median_low(data) print("Median Low value: ", res) res = statistics.stdev(data) print("Standard Deviation: ",res) res = statistics._sum(data) print("Sum: ",res) res = statistics._counts(data) print("Count: ",res)
Выход:
Mean: 66.3 Median: 55.0 50% value: 59.5 Median High value: 60 Median Low value: 50 Standard Deviation: 55.429735301150004 Sum: (, Fraction(663, 1), 10) Count: [(10, 1), (203, 1), (20, 1), (30, 1), (40, 1), (50, 1), (60, 1), (70, 1), (80, 1), (100, 1)]
Вывод
На этом мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если у вас возникнут какие-либо вопросы.
Для получения дополнительных сообщений, связанных с программированием на Python, оставайтесь с нами.
А до тех пор Счастливого Обучения! 🙂